MODELAGEM PARA ESTIMATIVA DE CARBONO E PREVISÃO DE PRODUTIVIDADE DE LAVOURAS CAFEEIRAS DO SUL DE MINAS GERIAS
Produção; Café; Random Forest; modelo; GEE.
O monitoramento da produtividade de cultura agrícolas é essencial no planejamento do setor econômico, para criação de políticas públicas pelo Estado e para a gestão de propriedades agrícolas e tomada de decisões de produtores rurais. A presente pesquisa tem como objetivo principal desenvolver um modelo matemático para previsão de produtividade de café na região sul de Minas Gerais. A pesquisa será desenvolvida em 11 talhões de café localizados na Fazenda Sertãozinho, em Botelhos/MG, totalizando aproximadamente 70 há em lavoura cafeeira. Para o modelo, serão considerados dados climatológicos, de solo e terreno, informações da cultura e Indices de Vegetação das lavouras. Os índices espectrais NDVI, NDWI, EVI e SAVI serão obtidos a partir do processamento de imagens do satélite Planet, com 5 m de resolução. As variáveis de clima serão extraídas do conjunto de dados Climáticos da plataforma Nasa Power através de um script de programação R. Já as variáveis de solo serão obtidas de um Modelo Digital de Elevação (MDE), encontrado na plataforma Google Earth Engine. Os dados da cultura, como cultivar, espaçamento de plantio, idade e produtividade do talhão serão informados pela própria fazenda. Após a obtenção dos dados, os mesmos serão pré-pocessados e transformados. Será realizada uma primeira seleção de variáveis, aplicando a Correlação de Pearson entre as variáveis independentes e a variável dependente (produção). Posteriormente, serão separadas amostras do conjunto de dados para os processos de treinamento, validação e teste do algoritmo Random Forest. Em seguida, serão desenvolvidos modelos de previsão de produtividade, que serão avaliados e comparados, para, então, selecionar o modelo com maior eficiência e menor erro na estimativa de produtividade do café. Com o modelo pronto, será possível a confecção de mapas de produtividade para todo o Sul de Minas Gerais, a fim de demonstrar a eficácia do modelo para áreas regionais.